MiniMax H3 是 MiniMax-AI 在 2026 年 7 月 31 日發布的全模態（omni-modal）生成系統，能同時讀懂文字、圖片、影片與音訊，再輸出「帶原生立體聲的影片」，解析度最高 2K、單段最長 15 秒。它不是只能寫文字的語言模型，也不是只能畫圖的圖片生成模型，而是把「看懂多種輸入」與「生成會出聲的影片」收進同一個模型裡。要先搞清楚的，是兩個常被搞混的名字：開發端平台叫 MiniMax，消費端產品品牌叫 Hailuo AI（海螺），同一條產品線的兩面，H3 屬於 Hailuo 影片模型路線。
重點先看
MiniMax H3 的定位是全模態生成系統，統一處理文字、圖片、影片、音訊的理解，輸出帶立體聲的影片，這在開源圈是相對少見的組合。
它最強的能力是 Ref2VA 全能參考模式，可以同時吃圖片、影片、音訊多種素材，再做關鍵影格補全、影片剪輯、影片續拍、音訊重用這類任務，等於一個模型做多種影片工作。
最大的限制是：開源的只有基礎模型權重，官方展示那種完整 2K 效果靠的是還沒開源的 Context-IR 與 Regenerate-2K 模組，別以為整套系統都搬出來了。
適合的人是會寫提示詞的內容創作者、想本機部署的技術玩家、需要 API 接進產品的開發者；不適合想一鍵出片、不願碰細節的人。
要等的是 2K 升解析模組、稀疏注意力、絕對計價與正式 benchmark，這幾項官方都還沒給出明確時間表。
文章目錄
MiniMax H3 是什麼？先把三個名字與一個概念搞懂
要理解 H3，得先把三個名字分清楚。MiniMax-AI 是公司，旗下有兩個對外的名字：面對開發者的平台叫 MiniMax（platform.minimax.io），面對一般消費者的產品品牌叫 Hailuo AI（海螺）（hailuoai.video 網頁版）。H3 這條產品線掛在 Hailuo 影片模型路線底下，跟 MiniMax 的文字模型（abab 系列、MiniMax-M1）是不同的分支。所以當你看到「MiniMax H3」這個說法，它指的是 MiniMax-AI 公司發布的、屬於 Hailuo 影片路線的第三代模型，不是文字模型的改版。
全模態（omni-modal）是這裡的核心概念，值得花一句話講明白。多數 AI 模型擅長單一模態：純文字模型（如聊天機器人類型的大型語言模型）讀字寫字，純圖片模型讀字生圖，純語音模型處理聲音。全模態的意思是同一個模型能統一處理多種模態的輸入與輸出，就像 Google 那套也被稱為 omni 的全模態模型走的方向類似，只不過 H3 把重心放在「生成帶聲音的影片」這個輸出上。官方在 GitHub 倉庫裡對 H3 的定位寫得很直接：一套通用、全模態的生成系統，能統一理解由文字、圖片、影片、音訊組成的多模態情境，再生成帶原生立體聲的影片。
跟前代 Hailuo 2.x 比較，H3 最關鍵的差異是「原生立體聲」與「全能參考輸入」。前代影片模型輸出的影片多半是安靜的，聲音要靠另一個模型分開合成再貼上去，兩步工序常常對不準嘴型與動作。H3 把語音、音效、音樂的生成放進同一個模型流程，影片與聲音是一起出來的，這就是「原生」的意思。另一個差異是 H3 能同時接受多張圖片、多段影片、多段音訊作為參考素材，前代的參考能力沒有這麼寬。
這裡有個容易誤判的地方：官方對外展示的影片品質，是經過挑選的示範，而且部分效果（尤其是 2K 解析度）靠的是還沒開源的模組。看到漂亮展示先別急著下結論，後面會把「哪些開源、哪些沒有」講清楚。
四種生成模式白話講：T2VA、I2VA、FL2VA、Ref2VA
H3 的輸入方式濃縮成四種任務代號，說穿了對應四種「你拿什麼素材、要模型做什麼」的使用情境。所有輸出都是「影片加音訊」，沒有純文字或純圖片的輸出選項。
T2VA（Text-to-Video-Audio，文字生影片） 是最單純的：只給一段文字描述，模型生成一段帶聲音的影片。你什麼參考圖都沒有，全靠文字把畫面、動作、聲音講出來，這是腦力負擔最高、但也最自由的模式。多數人第一次玩 H3 都是從 T2VA 開始。
I2VA（Image-to-Video-Audio，圖片生影片） 給一張參考圖當起點，模型從這張圖延伸出一段會動、會出聲的影片。適合你已經有一張定妝照、產品圖、場景設定圖，想讓它活起來的情境。
FL2VA（First/Last-Frame-to-Audio-Video，首尾幀模式） 是彈性更大的版本，可以給 0、1 或 2 張圖。0 張等於 T2VA；1 張可以是首幀或尾幀，模型負責把前後補滿；2 張則是首尾幀都給，模型生成中間的過程。這個模式對「我希望影片從這個畫面開始、結束在那個畫面」的精確控制需求很有用，例如廣告片頭到片尾的固定轉場。官方開源的兩個 checkpoint 裡，H3-Base-FL2VA 對應的就是這個模式。
Ref2VA（Reference-to-Video-Audio，全能參考模式） 是 H3 跨度最大的模式，也是多數競品沒做到的。它可以同時接受圖片（最多 9 張）、影片（最多 3 段，每段 2 到 15 秒，總長不超過 15 秒）、音訊（最多 3 段，同樣每段 2 到 15 秒，總長不超過 15 秒，而且音訊不得單獨作為唯一輸入），全部混合輸入檔案合計不超過 12 個。另一個開源 checkpoint H3-Base-Ref2VA 對應這個模式。
Ref2VA 能做的事比單純生影片多很多，官方列出六種任務類型，而且可以組合使用：關鍵影格補全（給幾個關鍵畫面，模型補出中間流暢的影片）、參考生成（用參考素材的風格或主體生成新影片）、影片剪輯（在既有影片上做修改）、影片續拍（讓一段影片往下延長）、音訊重用（沿用前段的聲音風格）、音訊參考（用一段音訊當風格依據）。把這六種任務想成影片後製工作流程裡的幾個動作，H3 想用一個模型把它們包起來。其中兩個音訊相關的任務類型值得特別留意：音訊重用讓你沿用前段影片的聲音風格（例如同一個角色的語音特徵），音訊參考則用一段既有音訊當風格依據來生成新內容。這兩種能力搭配原生立體聲輸出，讓 H3 不只是「會出聲的影片模型」，而是能維持聲音連貫性的影片工作工具，這對需要角色語音一致的系列素材有實質價值。
怎麼選？沒有任何素材、想從零發想走 T2VA；有定妝照或產品圖走 I2VA；要精確控制首尾畫面走 FL2VA；手上有零散素材、想做剪輯或續拍這類後製工作走 Ref2VA。模式的選擇取決於你手上已經有什麼，而不是哪個比較「強」。
規格一次看：每個數字都帶條件
規格密集的產品文最容易在數字上出錯，這裡把官方 GitHub 倉庫表格裡的數字逐項列出，每項都標清楚條件。
| 項目 | 規格 | 條件與說明 |
|---|---|---|
| 影片時長 | 4 到 15 秒 | 單段範圍，不是固定值；短秒數生成較快 |
| 長寬比 | 21:9、16:9、4:3、1:1、3:4、9:16 | 橫式、直式、超寬、方構圖都涵蓋 |
| 解析度 | 預設短邊 768px | 2K 不是原生，要靠未開源的 H3-Regenerate-2K 模組升頻 |
| 禎率 | 24 FPS | 電影標準禎率 |
| 音訊 | 32 kHz 立體聲 | 原生生成，與影片同步處理語音、音效、音樂 |
| 支援對白語言 | 11 種 | 阿拉伯文、中文、英文、法文、德文、義大利文、日文、韓文、葡萄牙文、俄文、西班牙文 |
| 主模型參數 | 33B（稠密） | H3-Omni-Transformer，其中約 13B 在 AdaLN 相關分支 |
幾個容易被誤讀的點要特別標出來。解析度那一欄最關鍵：預設輸出是短邊 768px，不是 2K。官方展示的 2K 畫面是基礎模型輸出後，再經過 H3-Regenerate-2K 模組升頻的結果，而這個模組目前沒開源、只走 API。換句話說，本機部署跑開源權重，拿到的就是 768p（或更低的量化版輸出），不會直接得到 2K。官方在 blog 裡標榜 API 與 Hailuo 網頁版預設提供 2K，是因為後端接上了這個還沒開源的升頻模組；本機部署拿不到它，所以停在 768p。
音訊那欄也值得多說一句。32 kHz 是音訊取樣率，立體聲是指雙聲道，這意味著 H3 生成的聲音有左右聲道分離，不是單聲道。對於需要立體聲場的廣告片或 MV，這個細節會影響觀感。語言部分，11 種語言是對白支援範圍，並不代表每種語言的生成品質都一樣好，官方沒有給出每種語言的品質評比。
架構部分，H3 由幾個元件組成，懂個大概有助於判斷部署需求。H3-Omni-Transformer 是主模型，33B 參數的稠密單流 Transformer。H3-Encoder 用 Qwen3-VL-32B 的完整預訓練權重，取第 50 層的隱藏狀態。H3-VisualVAE 負責把影片壓縮，空間壓縮 16 倍、時間壓縮 4 倍、24 個潛在通道，官方把這套壓縮設定記為 f16t4d24，進 Transformer 的有效空間下採樣是 32 倍。H3-AudioVAE 把 32kHz 音訊壓成 40Hz 的潛在表示。精度是 BF16，開源的 checkpoint 是 CFG-distilled 權重。這些數字對一般使用者沒有直接意義，但對要本機部署的人，參數量與精度直接決定需要多少記憶體。
怎麼用？三條路線，按技術力與預算分
H3 的取得方式分三條路，難易度差很多，先想清楚自己屬於哪一種再下手。
第一條是 Hailuo AI 網頁版，門檻最低。打開 hailuoai.video（海外）或 hailuoai.com（中國），用瀏覽器就能操作，不用寫程式、不用架伺服器，介面把提示詞欄位、參考圖上傳、長寬比選擇都做好了。多數人從這裡開始。缺點是你能調的參數有限，2K 這類進階功能要等官方開放，而且生成量受到會員方案約束。如果你想快速試水、不想碰技術細節，這條路就夠了。桌面版則在 hub.minimax.io（海外）或 hub.minimaxi.com（中國）。要留意的是，海外版與中國版是兩套獨立的帳號與計費系統，能不能在你所在的地區直接註冊與付費，要看官方目前開放的範圍與付款方式。
第二條是官方 API，給開發者把 H3 接進自家產品用。平台是 platform.minimax.io（海外）與 platform.minimaxi.com（中國），相關的 endpoint 有三個：影片生成、H3-Context-IR 工作流程、影片升頻。Context-IR 是官方完整流程的關鍵，走 API 才呼叫得到；2K 升頻的 Regenerate-2K 也只走 API。換句話說，官方展示的那種完整效果，本機拿不到，只有 API 通路才有。對於要把 H3 做進產品、需要穩定服務、願意按用量付費的團隊，API 是正解。
第三條是本機部署，門檻最高，但自由度也最大。H3 支援四個推理框架：SGLang、vLLM、diffusers、ComfyUI。權重在 Hugging Face 的 MiniMaxAI/MiniMax-H3，官方放的是 BF16 全精度權重與 full attention 推理；ComfyUI 官方發布的量化版在 Comfy-Org/MiniMax-H3，給 ComfyUI 用，對硬體門檻友善一些。本機部署的好處是不必按次付費、資料不離開自己機器，對重視隱私或想大量生成的使用者有吸引力。
本機部署的硬體需求，先把來源講清楚：以下數字來自論壇單一網友實測，屬於社群經驗、非官方公告，會因為硬體配置、框架、量化版本不同而差很大。完整版大約需要 80GB 顯示記憶體加上 128GB 系統記憶體；INT8 量化版大約 48GB 顯示記憶體加 64GB 系統記憶體；剪枝加 INT8 量化大約 12 到 24GB 顯示記憶體加 32 到 64GB 系統記憶體，這是一般消費級顯示卡比較能負擔的範圍；論壇也有人回報在 8GB 顯示記憶體加 32GB 系統記憶體、或 12GB 顯示記憶體加 16GB 系統記憶體的配置下跑通，但這屬於極限值，不代表流暢可用。單機生成時間參考（以 RTX 5070Ti 16GB 為例）：5 秒 480p 約 180 秒、8 秒 480p 約 300 秒、10 秒 480p 約 449 秒、15 秒 480p 約 733 秒、5 秒 768p 約 344 秒。把這些數字當粗略量級參考就好，你的機器會不一樣。
挑框架的實務建議是看你的用途。ComfyUI 是節點式視覺化介面，適合需要反覆調整參數、把生成流程串成工作管道的創作者，社群量化版 Comfy-Org/MiniMax-H3 就是衝著 ComfyUI 來的，安裝門檻相對低。vLLM 與 SGLang 偏向高效能批次推理，適合要大量生成、或把模型當後端服務的開發者。diffusers 則是 Hugging Face 生態系的選擇，適合已經熟悉這套函式庫、想用 Python 腳本快速實驗的人。四個框架都吃同一份權重，差別在於你怎麼把生成流程組起來。
量化版本的取捨要心裡有數。完整 BF16 權重畫質最好，但 80GB 顯示記憶體的門檻把絕大多數人擋在外面。INT8 量化大約砍掉四成顯示記憶體需求，畫質損失多數人看不出明顯差異。剪枝加量化進一步壓到 12 到 24GB，代價是細節豐富度與畫面穩定度會下滑，尤其是在複雜場景或快速運動的畫面。沒有一條量化路線是免費的，你用記憶體換的是畫質上限，至於換多少、能不能接受，只有在你自己的素材上跑過才知道。
除了成本，社群本機部署還有一個不算秘密的動機：繞過官方的內容審查。官方 API 與網頁版都有自動審查機制，會擋違法、色情、侵權內容，而且無法完全消除誤判。本機部署沒有這層審查，這對創作自由是優點，對智慧財產權與責任歸屬則是灰色地帶，自行承擔。
提示詞怎麼寫才準：H3 跟其他影片模型最大的分野
多數 AI 影片生成工具的提示詞寫法很隨興：一個文字框，把你想要的畫面描述丟進去，按下生成，結果好壞靠運氣。H3 不一樣，官方在 GitHub 倉庫裡附了一整套提示詞寫作系統，把畫面、聲音、鏡頭、對白拆成結構化欄位，還提供九個可一鍵安裝的 skill（涵蓋一個通用提示詞寫作 skill，以及極簡商品廣告、3D 動畫短篇、紙雕停格解說、品牌宣傳片、MV 字幕、合作遊戲片頭、紙拼貼解說、手繪實拍風這八種風格專用 skill）。這套系統是 H3 跟其他影片模型最大的分野，看懂了，你的產出會比「丟一句話碰運氣」的人穩定很多。
三個核心欄位
base 模式（T2VA、I2VA、FL2VA）的提示詞由三個核心欄位組成，對應影片生成的三個層面：
第一個是 integrated_multimodal_description（整合多模態描述），把畫面、動作、鏡頭運動、對白、現場音整合寫在這裡。這是主欄位，告訴模型「畫面上演什麼、鏡頭怎麼動、誰在說什麼、現場有什麼聲音」。第二個是 overall_soundscape（整體聲景），描述環境音與物理動作音，例如風聲、腳步聲、杯盤碰撞聲。第三個是 non_diegetic_music（非劇情音樂），也就是觀眾聽得到、但畫面裡角色聽不到的背景音樂，例如配樂；如果這段影片不需要背景音樂，就填 N/A。
把這三欄分開的好處，是模型不會把配樂與對白搞混，也不會把環境音誤判成角色講話。多數競品只有一個文字框，全部擠在一起，結果模型常把「背景音樂」當成「角色在唱歌」之類的誤解。
四種任務的對齊指令不同
T2VA 不需要對齊指令，因為沒有參考素材要對齊。I2VA 與 FL2VA 這類帶參考圖的模式，則要在提示詞開頭寫清楚「參考圖在第幾秒對齊目標影片」，例如「參考圖在第 0 秒對齊」。這個對齊指令告訴模型，你給的參考圖要出現在影片的哪個時間點，而不是讓模型自己猜。
鏡頭標記與剪接
多鏡頭影片要用鏡頭標記。第一個鏡頭寫 [Shot 1]，不加時間戳；後續每個鏡頭寫 [Shot N] At MM:SS.mmm，時間戳格式是分:秒.毫秒。規則是剪接時間必須在影片總時長內，而且要嚴格遞增，不能倒退。鏡頭之間的切換用自然語言描述，例如 the camera cuts to 或 the shot transitions to。這套標記讓模型知道畫面什麼時候換鏡頭，而不是一鏡到底。
攝影機運鏡的三個維度
攝影機怎麼動，H3 用三個維度描述：類型、幅度、速度。類型要帶方向，例如 Push In／Pull Out（推進／拉遠）、Pan Left／Pan Right（左搖／右搖）、Tilt Up／Tilt Down（上仰／下俯）、Truck Left／Truck Right（左橫移／右橫移）、Pedestal Up／Pedestal Down（升高／降低），加上 Arc（弧線運鏡）、Tracking（跟拍）、Static（靜止）、Shake Slightly／Strongly（輕微／劇烈晃動）、POV（第一人稱視角）、Roll Clockwise／Counterclockwise（順／逆時針旋轉）。幅度分 small（小）與 large（大），速度分 slow（慢）與 fast（快）。重點是官方要你把運鏡寫成一句完整的英文動作，而不是把標籤堆在一起，例如要寫「The camera pushes in with large amplitude at slow speed」（大幅度慢速推進，營造逼近感），而不是只寫「large slow push」；同理「The camera pans right with small amplitude at fast speed」就是小幅快速向右搖，像驚嚇時的快速掃視。把類型、幅度、速度組進一個動作句，比單寫「鏡頭運動」精確得多。
對白格式
對白的寫法是 H3 提示詞系統裡最技術性的部分，但也最關鍵。說話者要用穩定編號，例如 (S1)、(S2)，整段影片裡同一個角色從頭到尾用同一個編號，模型才不會把兩個人的聲音搞混。對白內容放在 <d>[語言] 文字</d> 標籤裡，語言用英文全名標示（官方範例寫 [English] 代表英文、[Chinese] 代表中文、[Japanese] 代表日文），文字則逐字保留原文，角色講中文就寫中文、講日文就寫日文，不翻譯，模型會按你給的原文生成對應語言的語音。
旁白有固定寫法：用 says in an off-screen voiceover, his/her lips remain completely closed 這個描述，告訴模型這是畫外音，角色的嘴型不能動。這個細節很重要，因為如果不講清楚，模型可能讓畫面裡的人嘴巴跟著旁白動，看起來就像配音沒對上。
Ref2VA 全能參考模式的固定輸出順序
Ref2VA 模式的提示詞輸出有固定結構，官方規定是六段，順序不能亂：subject_definitions（主體定義，描述參考素材裡的人物、物件、場景）→ summary（整體摘要）→ retention_analysis（保留分析，說明哪些參考元素要保留、哪些要改）→ detailed_description（詳細描述，把前面整合成完整畫面敘述）→ overall_soundscape（整體聲景）→ non_diegetic_music（非劇情音樂）。這六段的結構化輸出，讓 Ref2VA 可以精確控制「保留參考素材的哪些特徵、修改哪些部分」，這是它能做影片剪輯與續拍的基礎。
拆兩個官方範例
講了這麼多規則，用官方倉庫裡的範例來對照會更具體。第一個是麵包店 T2VA 範例，純文字生影片：integrated_multimodal_description 會寫清晨麵包店的畫面、麵包出爐的動作、師傅擦拭額頭的細節、窗外透進來的光線；overall_soundscape 寫烤箱的嗡嗡聲、麵包從烤盤倒出來的碰撞聲、玻璃門開關的聲響；non_diegetic_music 則可能是一段輕快的木吉他配樂，或填 N/A。三個欄位各司其職，模型知道畫面歸畫面、環境音歸環境音、配樂歸配樂。
第二個是火車窗邊女子 I2VA 範例，給一張女子坐在火車窗邊的圖：開頭要先寫對齊指令，標明參考圖在第 0 秒對齊；接著描述女子望向窗外、窗外風景流動、光影變化；對白如果有，可能是女子輕聲自言自語的日文或中文，用 <d>[Chinese] …</d> 或 <d>[Japanese] …</d> 格式寫；聲景是火車行駛的隆隆聲、車廂搖晃的嘎吱聲。因為有參考圖，模型會忠實保留女子的外觀特徵，而不是憑空生一個人物。
官方還有星艦艦長的 case-T2VA、粉紅西裝男抱黑小羊的 case-Ref2VA 等範例，倉庫的 assets 與案例資料夾附了 768p 的 t2va、fl2va、ref2va 示範影片，以及 2K 工作流程的對照。想看完整提示詞長什麼樣、實際生成結果如何，直接到官方 GitHub 倉庫對照，比任何二手轉述都準確。
提示詞新手最容易踩的三個坑
看完欄位與格式，新手實際寫的時候有幾個反覆出現的錯誤，這裡提出來讓你少走冤枉路。
第一個坑是把所有描述塞進同一個欄位。H3 把畫面、聲景、配樂分成三個欄位是有原因的：模型需要明確知道哪段聲音屬於畫面裡發生的事（整體聲景），哪段屬於觀眾聽到但角色聽不到的背景音樂（非劇情音樂）。如果你把配樂寫進整體聲景欄位，模型可能把它當成場景裡真實播放的音樂，讓畫面裡出現一個不存在的音源，看起來就很突兀。分欄位的紀律，直接決定生成的乾淨程度。
第二個坑是鏡頭時間戳亂寫。多鏡頭影片的 [Shot N] At MM:SS.mmm 標記有兩條硬規則：時間戳必須在影片總時長內，而且必須嚴格遞增。常見的失誤是把第二個鏡頭的時間寫得比第一個早，或者結尾鏡頭的時間戳超過影片長度，這兩種情況都會讓模型無法正確理解剪接節奏，生成的影片會在錯誤的時間點跳接，甚至整段結構崩掉。寫完提示詞，回頭把每個時間戳對著總時長檢查一遍，是成本最低的除錯動作。
第三個坑是對白格式偷懶。<d>[語言] 原文</d> 這個格式裡，語言全名和逐字原文都不能省。省掉語言全名，模型得用猜的，碰到中文夾雜英文的句子特別容易出錯。把原文翻譯成英文再填進去更糟，因為模型是按你給的文字生成語音，你填英文它就念英文，畫面裡角色的嘴型卻可能還是對著原本的中文動。逐字保留原文、不翻譯、標好語言，這三件事省不得。
用 Ref2VA 做一段產品影片剪輯的情境
Ref2VA 的價值用一個情境最能感受。假設你手上有一段拍好的咖啡沖泡影片，想把背景從自家廚房換成一家質感咖啡館，同時保留咖啡師的動作與手部細節。用傳統後製軟體，這是去背加合成的工作，門檻不低。用 Ref2VA，你給原始影片當參考、給一張咖啡館場景圖當新背景，然後在 subject_definitions 段定義「咖啡師的動作、手部姿勢、沖泡節奏要保留」；在 retention_analysis 段標明「廚房背景要替換為咖啡館圖的場景，其餘主體不動」；detailed_description 段把替換後的完整畫面敘述寫清楚；聲景保留原本的水流聲與器具碰撞聲，視情況加上咖啡館的環境音。
這個情境示範了 Ref2VA 跟單純生影片的差別：它是在既有素材上做控制性的修改，而不是從零生一段全新的影片。六段結構的價值在這裡浮現，subject_definitions 與 retention_analysis 讓你精確指定「保留什麼、改動什麼」，模型不必用猜的。當然，這是模型設計上能做到的事，實際替換品質要自己跑了才能判斷，官方展示是挑過的結果，不代表每次都這麼乾淨。
跟 Sora 2、Veo 3、Kling、Seedance 比怎麼選
要先把一個前提講清楚：H3 的官方 GitHub 倉庫完全沒有 benchmark，也沒有跟 Sora、Veo、Kling、Seedance 的官方對比資料。任何比較都是第三方媒體、論壇或編輯判斷，不是官方結論，不要把「官方資料顯示 H3 優於 X」這種話講出口，因為官方根本沒講。
讀者會拿來比的對手大概這幾個：OpenAI 的 Sora 2、Google 的 Veo 3、Kling（可靈）、字節跳動的 Seedance、Runway。論壇上的普遍觀點屬於社群討論、不是實驗資料，大致是：Seedance 是付費方案裡的主流選擇，效果好但貴；開源的 LTX2.3、Wan2.2 效果輸付費方案一截；H3 是「本機消費級部署裡，效果最接近 Seedance 2.0 的開源模型」。這個評價是否成立，需要你親自跑了才知道，但 H3 在開源圈的位置確實是這樣被討論的。
真正能幫你做選擇的，不是「誰最強」，而是「你的需求條件適合誰」。下面的決策表用幾個維度分流：
| 你的條件 | 建議選擇 | 理由 |
|---|---|---|
| 要原生立體聲、不想本機部署 | Hailuo AI 網頁版或 API | H3 原生立體聲是相對少見的，網頁版門檻最低 |
| 要 2K 完整效果、預算充足 | Sora 2 / Veo 3 / Seedance API | 這些閉源方案的完整流程成熟，H3 的 2K 模組還沒開源 |
| 要本機部署、重視隱私與成本 | H3 開源權重 | 開源、可量化、資料不外流，但 2K 要等 |
| 商用要把關授權 | 先讀 MiniMax H3 Community License | 自訂授權條款，不是 MIT 或 Apache，商用條件要自己確認 |
| 技術力有限、想快速出片 | Hailuo 網頁版或 Seedance 付費 | 本機部署的除錯成本，比你想的高 |
| 要做 MV、廣告這類風格化內容 | H3 的風格 skill 系列 | 官方提示詞 skill 對這類內容有專門支援 |
判斷門檻在於四個問題：你要不要原生立體聲、要不要本機、預算多少、能不能接受自訂授權條款。把這四個問題回答了，選擇會收斂到一兩個選項，不必在沒有答案的問題上打轉。
H3 真正的意義，是開源圈第一次拿到帶原生立體聲的全模態影片模型。付費方案的優勢向來在工程打磨與完整流程，開源方案的優勢在透明、可控、可改造；H3 把開源基礎模型拉到這個距離，剩下的變數很具體：Context-IR 與 2K 模組什麼時候跟進開源、社群量化解決方案多快成熟、商業使用者在自訂授權條款下的接受度。提示詞系統短期內不會大改，想用的人現在學就跟得上，不必等到所謂最終版。
哪些沒開源、哪些要等：誠實的限制清單
H3 的開源策略是「基礎模型開、進階模組不開」，這個界線要畫清楚，不然會誤判它能做到什麼。
已經開源的是兩個 H3-Base checkpoint，權重在 Hugging Face，BF16 精度，full attention 推理。授權是 MiniMax H3 Community License Agreement，這是自訂授權條款，不是 MIT 或 Apache 那類寬鬆授權，商用之前務必自己讀完條款，確認你的使用情境在允許範圍內。
沒開源、只走 API 的有三個關鍵模組。第一個是 H3-Context-IR，這是官方完整工作流程的編排核心，官方在倉庫裡說它「依賴多階段工作流程與多個託管模型與服務」，負責讀懂你給的文字、圖片、影片、音訊之間的關係，再協調後續生成，官方展示的那種完整效果很大一部分靠這一層。用白話講，它像把你丟進去的零散素材，先整理成模型好消化的結構，再交給後續階段生成，所以成果比單獨跑基礎模型完整。這也解釋了為什麼本機跑開源權重的輸出跟官方 demo 有落差：你拿到的是基礎模型，官方展示的是這套完整流程跑出來的成果。第二個是 H3-Regenerate-2K，把 768p 的結果連同原始語境重新餵回模型生成 2K 版本，而不是傳統的超解析放大，官方的說法是「準備好就會釋出」，沒給時間表。第三個是 sparse attention（稀疏注意力），官方說「未來更新」才會提供，這個會影響推理速度與記憶體用量，對本機部署的流暢度有直接影響。
把這三項加起來看，結論很明確：開源的是「基礎模型」，官方展示的那種完整 2K 效果靠的是還沒開源的模組。本機部署拿開源權重，你得到的是 768p 的基礎輸出，跟官方 demo 的落差是流程差，不是模型差。清楚自己拿到的是哪一層，才不會對本機成果失望。
還有兩個限制要談。價格方面，官方的說法是相對比較：2K 每秒價格「低於其所稱主流模型的三分之一」，768p 每秒「低於主流 720p 模型的一半」。問題是官方沒講「主流模型」具體指誰、沒列絕對單價、沒列訂閱方案，比較基準完全不明，要做公平的橫向比較，得等官方公布正式計費頁、列明究竟拿哪些模型來比、以及絕對單價。論壇有網友拿字節 Seedance 國際版每秒約 6 元新台幣做對照，說本機跑 H3 「便宜很多」，但這是單一網友的情境推估，不能當官方數字引用。
內容審查方面，官方 API 與網頁版都有自動審查機制，會擋違法、色情、侵權內容，而且這套機制無法完全消除誤判，合法內容被擋的狀況會發生。本機部署可以繞過審查，但繞過不等於合法，侵權與違法內容的責任還是在使用者身上。
適合誰、不適合誰
H3 不是給所有人的工具，先把話說在前面。
最對味的是會寫提示詞、願意琢磨畫面與聲音細節的內容創作者，H3 那套結構化欄位對他們是助力，官方的風格 skill 系列也省下不少摸索。想把模型搬回家裡跑、重視隱私或想大量生成的技術玩家與開發者，開源權重配 ComfyUI 或 vLLM 是走得通的路。做廣告、MV、短篇動畫、品牌宣傳片這類需要風格化影片的行銷人，原生立體聲加多種長寬比是實用組合。還有把 AI 工具當成生產力一環、想搞清楚這波影片生成模型走到哪裡的知識工作者，H3 是 2026 年中開源圈值得盯著看的指標。
反過來說，想一鍵出片、不想碰提示詞細節的人，Hailuo 網頁版或付費的 Seedance 會比本機折騰愉快得多。需要長影片（超過 15 秒）的人要失望，H3 單段上限就是 15 秒，長片得靠多段拼接再剪，這不是它的強項。對畫質非要 2K 不可、又不想等模組開源的人，現階段本機給不了，要走 API 或挑閉源方案。要把 H3 拿去商用、卻沒耐心讀授權條款的人，自訂授權的風險不適合你。
常被忽略的是學習曲線。H3 的提示詞系統比一般影片模型複雜：三個欄位、四種任務對齊、鏡頭標記、對白格式、運鏡三維度，這套體系要花時間熟練。投資會在產出穩定度上看到回報，但前期要有心理準備，前幾次生成的結果可能跟你想像的有距離，需要反覆調提示詞。
下一步看你在哪個位置。想動手試的人，從 Hailuo 網頁版開始跑 T2VA，拿官方倉庫裡的麵包店或火車窗邊範例當起點，感受三個欄位怎麼填，是最快的入口。會寫程式的人，到 Hugging Face 下載權重，挑 ComfyUI 或 vLLM 把流程跑通，先用 768p 確認沒問題再考慮量化。負責評估或採購的人，把 H3 當訊號觀察就好，Context-IR 與 2K 模組的開源時間表明朗之前不必急著押寶。而當影片生成門檻被開源模型拉低，它遲早會回流到 AI 與 SEO 交匯的內容戰場，那是另一條值得追的線。
常見問題
MiniMax H3 可以商用嗎？
可以，但有條件。H3 的授權是 MiniMax H3 Community License Agreement，屬於自訂授權條款，不是 MIT 或 Apache 那類幾乎無限制的授權。商用之前必須自己讀完條款原文，確認你的使用情境、規模、行業別都在允許範圍內。官方 API 與網頁版的計費與商用條款又是另一套，要走商業用途建議直接到官方平台查最新條款，不要仰賴第三方轉述。
MiniMax H3 多少錢？
官方目前只給相對比較：2K 每秒價格「低於其所稱主流模型的三分之一」，768p 每秒「低於主流 720p 模型的一半」。問題是「主流模型」具體指誰、絕對單價多少、有哪些訂閱方案，官方都還沒列清楚，所以現在算不出一個公平的絕對數字。本機部署不走按次計費，但代價是硬體，能跑得動的顯示卡本身就是一筆開銷，而且生成速度慢，社群實測 15 秒 480p 要花十幾分鐘。要精算成本，得等官方公布正式計費頁，或自己拿實際硬體跑一輪才知道。
MiniMax H3 跟 Sora 2、Veo 3 比哪個好？
沒有官方 benchmark 可以回答這個問題，H3 的 GitHub 倉庫沒有提供與 Sora 2 或 Veo 3 的對比資料。論壇與第三方媒體的普遍看法是，H3 在開源圈屬於領先水準，尤其原生立體聲與全能參考模式是相對獨特的能力，但要說它「超越」任何一個閉源方案，目前沒有可信資料支撐。選擇應該回歸你的條件：要不要本機、預算、商用授權、技術力，而不是「誰最強」。
MiniMax H3 一段影片可以生成多長、多大？
單段影片最長 15 秒、最短 4 秒。解析度預設短邊 768px，2K 要靠未開源的 H3-Regenerate-2K 模組升頻，不是原生輸出。長寬比支援 21:9、16:9、4:3、1:1、3:4、9:16 共六種。禎率固定 24 FPS。音訊是 32 kHz 立體聲，原生生成。要做超過 15 秒的長片，需要多段生成再剪接，H3 本身不處理這個，剪接的連貫性與聲音銜接要靠剪輯軟體手動處理，這會吃掉不少後製時間。
一般消費級電腦跑得動 MiniMax H3 嗎？
跑得動，但要走量化版本。完整版需要約 80GB 顯示記憶體，一般消費級顯示卡負擔不起；剪枝加 INT8 量化版本大約 12 到 24GB 顯示記憶體，這是中高階消費級顯示卡的範圍。論壇有人在 8GB 顯示記憶體的配置下跑通，但屬於極限值，速度與品質都會打折。這些數字來自社群實測，非官方公告，你的實際表現會因硬體與框架不同而有差異。不想折騰硬體的話，Hailuo 網頁版或 API 是更省事的選擇。
MiniMax H3 什麼時候發布的？
官方是在 2026 年 7 月 31 日透過官方 blog正式公告 H3，GitHub 倉庫本身沒有標日期，所以以 blog 為準。規格可能持續更新，以上數字以撰寫時的官方倉庫與 blog 為準，後續若有變動以官方最新資料為準。
MiniMax H3 支援哪些語言的對白？
官方列出 11 種：阿拉伯文、中文、英文、法文、德文、義大利文、日文、韓文、葡萄牙文、俄文、西班牙文。對白要用 <d>[語言全名] 原文</d> 的格式寫進提示詞（例如 [English]、[Chinese]），文字逐字保留原文、不翻譯。官方沒有給出每種語言的生成品質評比，實際表現可能因語言而異，需要自己測試。
MiniMax H3 生成的音訊品質如何？能拿來做音樂或播客嗎？
H3 的音訊是 32kHz 立體聲，原生與影片一起生成，這個取樣率對一般短影片、廣告、社群素材夠用，對白清晰、環境音層次分明。但 32kHz 達不到 CD 品質的 44.1kHz，也達不到專業錄音室標準，拿來做正式音樂發行或專業播客會有動態範圍與細節的侷限。H3 的音訊設計目的是「讓影片有同步且合理的好聲音」，不是取代專業音樂製作工具。如果你需要獨立的高品質音樂創作，仍然要靠專門的音樂生成模型或真人錄製。把它想成影片的配套聲音，而不是獨立的音樂產品，期待會比較準確。
